9月27日晚23點，天安門毛主席舊畫像被更換，據悉，整個毛主席畫像高6米，寬4.6米，總重量達到1.5噸，更換過程持續了1個多小時。雙節將至，連最令人敬重的毛爺爺都換頭像了，你不來瞧瞧嗎？看了記得換頭像歐。
據瞭解，每年國慶節前夕，天安門城樓都要更換新的毛主席畫像，被風吹日曬稍許褪色的舊畫像被取下。畫家將會把舊畫像進行處理，在處理後的畫板上再精心畫出毛主席的新畫像，等到了下一年國慶前夕，再把上一年的舊畫像更換下來。
雙節將至你是不是該換個頭像，換換心情呢？
2017，國慶最新頭像來襲！
有這樣的，一顆紅心向著黨，我愛國！
證券公司的是這樣的：
還有這樣的：
還有這樣的，我這幾天都在浪，不線上，有事請打call！
有過節的：
有打遊戲要開黑三天三夜的：
露背的妙齡女郎，再下一點屁股都遮不住了。大露美背，更是打造個性、時尚、潮流的風範，性感露肩一字領設計，都可以完美的呈現出別樣的時尚範。
姐姐穿搭的也很時尚啊，一件條紋開背掛脖衫的設計時尚感也是槓槓的，下身搭配的是一件紫色短裙，短裙修飾的美腿又添多一點性感。
時髦微露性感短褲時尚有型，妹子穿搭有韻味！青春時尚顯現不一樣的美，嫵媚性感美女美美肌膚玩轉清新時髦，細嫩長腿熱辣妖豔指數飆！
穿上如此顯身材的緊身泳衣搭配薄紗長裙，深深吸引路人的視線。每個女孩子都希望可以穿上漂亮的泳衣在炎熱的夏天盡情展現自己的美麗，配上少女的白皙皮膚和精緻顏值，就像一副美人畫像讓人心動不已。
以下為網友評論：
網友“裡探花”：騷
網友“言論自由”：小編叫她姐妹天天出來曬奶，除了曬米米還是曬米米，
(2017-09-23)
《加謝醫師的畫像》文森特·威廉·梵高 1890 年 油彩畫布 67 x 56 cm 私人收藏
梵高的《加謝醫師的畫像》交易價為9100萬英鎊(約8.7億元人民幣)
1890年5月21日，梵高在他的弟弟提奧的安排下，遷往瓦茲河畔的歐威爾，並請了一位名叫嘉舍的醫生予以照料，《嘉舍醫生的畫像》就是梵高為這位醫生畫的肖像。此畫創作於 1890 年，完成後幾周，梵高自殺身亡。
此畫有兩個版本，第一個版本，現私人收藏；第二個版本的目前存放在巴黎的奧賽美術館中。
(2017-09-23)
1945年，蔣介石在國內威望達到頂峰。
當年，蔣介石首飛北平。
蔣介石飛往北平
當時的北平治安還是很混亂的，引用華裔美國人的話：
北平人民失望的是：國民黨“處處姦淫擄掠”。
人心向背是蔣介石做的最失敗的一面。
蔣介石在北京碧雲寺
雖如此，蔣介石的到來還是引起不小的轟動。
在去廣場演講路上的蔣介石，所到之處，20萬青年圍其座駕，給予了熱烈歡迎。
蔣介石演講情緒激昂的說：“今後要完成建國大業，則我全國同胞集中於三民主義旗幟下，相親相愛！”
歡呼聲四起。場面激動得有些失控，蔣介石很高興，心中感慨萬千。
他的巨幅畫像在天安門上懸掛起來，面前此情此景，他
情不自禁落淚。
短暫的民國北平。
以下為網友評論：
網友“997192962”：建國大業，相親相愛。
(2017-05-23)
秦始皇嬴政，祖龍。
漢高祖劉邦。
隋文帝楊堅。
唐高祖李淵。
宋太祖趙匡胤
元太祖鐵木真
明太祖朱元璋
清太祖努爾哈赤，殺盡遼東漢人。
(2017-09-21)
我們看過的有關清朝的宮廷劇很多， 這些宮廷劇不管是以什麼為背景，都離不開一個人設——皇后。劇中的皇后都是貌美如花的女子，可是實際上清朝的14位皇后到底長的什麼樣子呢？我們從這些畫像中來找到答案吧！
孝莊文皇后
清朝有兩個知名度比較高的皇后，其中一個就是孝莊文皇后，孝莊文皇后代表了智慧、勇敢和剛毅，在滿清的宮廷鬥爭中搏擊一生。她輔佐了四代帝王，康熙大帝中斯琴高娃把孝莊演繹的不怒自威。
2.孝惠章皇后
她是孝莊文皇后的親外孫女，順治皇帝的是她的親舅舅。順治廢后的第二個皇后，第一個廢后是她的親姑姑，這皇家的血脈真是讓人費解啊。
3.孝康章皇后
她想康熙皇帝的親生母親，康熙繼位後，她與孝惠章皇后並稱為皇太后，稱為聖母皇太后。死後康熙、雍正、乾隆都追封為：孝康慈和莊懿恭惠溫穆端靖崇天育聖章皇后。
4.孝誠仁皇后
她是康熙皇帝最愛的女人，因為難產而死。
她是康熙的第二位皇后，也是鰲拜的義女，按照畫像來說她算是比較美麗的皇后了。
6.孝恭仁皇后
雍正皇帝的生母，死後被雍正、乾隆、嘉慶追封為：孝恭宣惠溫肅定裕慈純欽穆贊天承聖仁皇后”。
《甄嬛傳》中劉雪華飾演的皇太后也是氣質典雅。
7.孝敬憲皇后
她是烏拉那拉氏，是雍正的嫡皇后。
8.孝聖憲皇后
乾隆的親媽，就是《甄嬛傳》中甄嬛的原型，鈕祜祿氏。本來姓錢，漢人，但是雍正為了提高乾隆的影響力故意給她賜姓。而歷史中的熹妃在王府也是當了20多年的侍妾。
9.孝賢純皇后
乾隆的第一個皇后富察氏，算算頂頂的美人了，期待即將上映的《如懿傳》。
10.孝儀純皇后
乾隆的皇后，也就是我們小時候看《還珠格格》中最喜歡的令妃。她是嘉慶皇帝的生母，死後被追諡為孝儀恭順康裕慈仁端恪皇后。而嘉慶、道光之後加諡為孝儀恭順康裕慈仁端恪敏哲翼天毓聖純皇后。
11.孝淑睿皇后
乾隆估計光顧著自己快活，沒有給自己的兒子仔仔細細的挑選福晉，包衣女子作為福晉的也只有這一個了，不過據說嘉慶和她特別恩愛，她也是道光皇帝的生母。
12.孝和睿皇后
嘉慶的第二位皇后，也是鈕祜祿氏。當乾隆為嘉慶選擇這個側福晉的時候，與上面的那個不同的是，嘉慶已經被定為接班人了。畫像中的人，年紀略大了。
13.孝慎成皇后
道光皇帝的皇后，與嘉慶不同的是，道光生下來就被當作接班人來對待，所以在選擇妃子的時候是慎之又慎。也不知道清朝末期的畫師畫風變化還是的確人長的就是這樣，讓人看起來有點不怎麼賞心悅目。
她的咸豐皇帝的生母，歷史中記載道光皇帝超級愛她，為了她，即使咸豐皇帝並不出色還是傳位給了咸豐。於是之後就有了慈禧……
而關於畫像中都是記載的她其實是一個齙牙，情人眼裡出西施啊。
(2017-09-22)
朱元璋長什麼樣子?這是歷代史學家最喜歡討論的問題，根據《明史》裡描述其長相，朱元璋姿貌雄偉，奇骨貫頂，志意廓然，人莫能測。前八字是外貌，後八字是氣質，傳世的朱元璋畫像有兩類，一是明代宮廷畫師繪製的命太祖像，有兩副，一副中年像， 一副老年像，都畫得側向儒雅雍容華貴， 第二種是民間流傳，朱元璋其醜無比，下巴極長，滿臉麻子，這兩種像哪一種是對的呢?
其實民間的朱元璋像臨摹自宋文帝像，只是一種仿冒，懂得明史的人都可以知道，民間朱元璋畫像最大的問題就在於其衣冠，無論是哪種民間長下巴畫像，其衣冠服飾與明朝出土的畫像都有差異，包括朱元璋的兒子朱棣都不存在長下巴的形象，朱元璋與朱棣之間怎麼可能沒有遺傳呢?朱元璋的相貌異於常人，平民百姓上有愛美之心，何況講究威儀的帝王朱元璋?
即使平常百姓，也不希望畫師據實畫出面貌上的缺陷，所以有意識的暗示畫師造假是很可能的，但是需要我們質疑的是，既然朱元璋對自己的畫像要求極其嚴格，決不允許不滿意的作品流出，那麼民間何以會有這麼多版本流傳下來?明朝皇帝忌諱頗多，典律章法甚嚴，甚至在朱元璋孝陵前割豬草都可能嚴懲遭受牢獄之災，這那麼民間私藏畫像又該當何罪?如此多的版本畫像又是哪裡來的?因此民間醜畫像，甚至明朝衣物制度都不遵守，明顯唯一的可能就是是清代以後的付匯。
1644年，清世祖順治，也就是愛新覺羅·福臨趕走李自成遷都北京以後，清朝歷經數代，尤其是康熙時期或輕或重的都有開展篡改運動，為了加強對漢民族及漢文化的統治，甚至篡改《明太祖實錄》等史料，安排文人史官加以修飾，從文字到畫像極大醜化前朝，歌頌大清，在此背景下，原本民間傳說相貌怪異醜陋的朱元璋，就很難逃脫被惡搞的結局。再說，我國曆來就有成王敗寇的習俗做法及傳統思想，尤其臉譜化尤其明顯，比如戲劇中的曹操總是以白臉奸雄的形象示人。
再有我們的孔聖人孔子來說，當遵從儒術時其畫像儀表堂堂，一旦反孔盛行時又是猥瑣不堪，自然朱元璋也難免受到同樣的待遇。美國學者牟復禮及英國學者崔瑞德編寫的《劍橋中國明代史》描述，雖然體認民間傳說的，臉面有皺紋而痘點斑斑，顎部突出，但也認為朱元璋看起來預有不同凡響和神采奕奕的氣質。
在2005年出版的《劍橋插圖中國史》中，美國學者易蓓蕾也對明顯醜化朱元璋的畫像表達質疑，認為民間流傳的畫像是有畫師故意醜化的行為，認為明太祖和其他皇帝並無差別，至少應該以常人相貌示人。根據《明史》描述太祖姿貌俊傑奇骨貫頂，有學者也認為朱元璋異像裡的長下巴就是奇骨貫頂的寫照，實際上頂所指位置是頭頂，傳統相法有伏犀貫頂一說，認為是顯貴之相。《公篤相法》有云，其天庭之上有骨凸突，名曰伏犀骨，或伏犀骨貫頂而入百會，此貴而壽也，奇骨貫頂亦屬此類，並不是說下巴異常突出。
(2017-09-22)
全中國人都知道天安門城樓上懸掛著一幅巨大彩色畫像，那就是毛主席的畫像。
而大家有沒有想過這畫雖然歷經風吹日曬卻毫不褪色是為什麼呢？還有就是去過首都天安門廣場的看官，不知道你們站在不同的角度去看毛主席像，有沒有發現不管你站在上面位置像中毛主席的眼神始終注視著你，這又是為什麼呢？這些原來都是畫師用心設計的傑作。
這幅畫像是出自著名畫家王國棟之手。當年他接到中央派給他的這一重任時，他感覺壓力和責任重大。別看只是一幅畫像，其實是非常有難度和講究的。
為了突出毛主席的眼神，他廣泛蒐集資料，先後收集了60多幅主席畫像，從中篩選出十多張有特點的照片，編成一個小集子，作為畫像時參考，仔細研究了很久才作出了一副中西畫法結合的作品。他繪製的畫像以毛澤東半側面、雙眼平視的照片為摹本。他注重對毛澤東眉宇和眼神的表現，力求在描繪主席慈祥和善的同時，表現出他性格中敏銳、機智和洞察一切的層面。最終將毛主席的畫像呈現的淋漓盡致，每個方位都能看到他的眼神。
而畫出如此大一副人像，是對畫者水平的考驗，不僅對畫者的藝術水平要求是極高，同時也是對身體素質的一種考驗。
因為畫像是為了讓人民都看到它，所以設計在天安門高處懸掛，而繪畫時就需要站到高梯上去畫，這高空作業一畫就是一天，普通身體素質是吃不消的。王國棟的徒弟曾回憶道，師傅傾注了一生的心血在這幅畫上，為了將這幅畫儘可能完美的畫出來，他經常站在梯子上一畫就是一整天，連飯都不吃。
而這幅畫的畫板選用的材質也是非常有講究了。因為這幅畫是暴露在室外，所以必須經得起風吹日曬，全都是手工糊成的平面玻璃鋼層壓板。就連顏料選用最好的顏料，幾十年過去了那幅畫還是和剛做出來的時候一樣。
這幅畫像總共耗時一個多月才完成，可見這幅畫像背後的人是付出了多少的心血。而迄今為止，這幅作品始終保持著亞洲最大手繪的地位。
毛主席雖然離開了我們，但是他為祖國做出的貢獻，為人民做出的貢獻我們永遠銘記在心，他永遠值得我們紀念！
以下為網友評論：
網友“U78706109”：偉大導師
(2017-08-24)
此公開課為極客公園策劃的「極客公開課•Live」第十四期。本次公開課，我們將邀請到友盟+首席資料架構師&資料委員會會長張金來為大家講解到底什麼是使用者畫像，快速建模框架，如何提高使用者精準畫像的的準確性，從理論到應用的一起了解使用者畫像。
什麼是使用者畫像？
使用者畫像也叫使用者標籤， 是基於使用者行為分析獲得的對使用者的一種認知表達，也是後續資料分析加工的起點。從認知心理學的角度，使用者標籤其實與人認知世界的方式相一致，人為了簡化思考，通常也會透過概念化的方式簡化事物認知，這種概念認知就是標籤。因此，使用者畫像的內容可以很寬泛，只要是對人的認知，都可以叫做使用者畫像。例如：今天路過這個門口三次的人，也可以是一個標籤，只要他有合適的應用場景。
另外，我們需要從概念上加以區分，使用者標籤和使用者透視，一個是個體的認知，一個是整體的標籤分佈，二者都經常被人統稱為使用者畫像。今天我們在這裡說的使用者畫像主要指標籤。
使用者畫像的 4 個核心價值
一、市場細分和使用者分群：市場營銷領域的重要環節。比如在新品釋出時，定位目標使用者，切分市場。這是營銷研究公司會經常用的方式。
二、資料化運營和使用者分析。後臺 PV\UV\留存等資料，如果能夠結合使用者畫像一起分析就會清晰很多，揭示資料趨勢背後的秘密。
三、精準營銷和定向投放。比如某產品新款上市，目標受眾是白領女性，在廣告投放前，就需要找到符合這一條件的使用者，進行定向廣告投放。
四、各種資料應用：例如推薦系統、預測系統。我們認為：未來所有應用一定是個性化的，所有服務都是千人千面的。而個性化的服務，都需要基於對使用者的理解，前提就需要獲得使用者畫像。
使用者畫像的基礎：資料
做好使用者畫像需要一定的門檻，一方面是資料的體量和豐富程度，另一方面是技術和演算法能力。今天介紹的經驗基礎是[友盟+]資料，首先簡單介紹一下。[友盟+]有覆蓋線上線下的實時更新的全域資料資源，每天大約有 14 億的裝置，覆蓋數百萬級的網站和 APP 行為，這個龐大的資料量使得我們有豐富的資料資源來生產使用者畫像，同時又要求我們能相應的技術能力來進行處理。
資料是如何生產，變成畫像的？
結合上圖，使用者畫像生產流程概覽，我們將使用者畫像的生產比喻成一個流水線，就如同將礦石加工成成品的過程。使用者瀏覽網頁、使用 APP、線下行為，這些資料都是礦石，需要提煉、加工成為產品，最後還要透過質檢。
這個過程通常有幾個步驟。首先獲得原始行為資料，基於這些資料做特徵抽取，相當於清洗、加工的工作；在機器學習環節，會與外部知識庫有一些互動。實際上機器演算法對人的理解，一定要基於知識體系，就好像我們說的概念。比如，機器給人打汽車相關的標籤，一定要首先知道汽車體系有什麼樣的分類，有什麼車型，有這樣的知識系統我們才能把人做很好的標識歸類。
最後，質量檢測，這一步也很重要。一個標籤的質量決定了後期的應用效果，如果前期對人的分析偏了，後期結果就很難做對。
使用者畫像生產流程框架
上面講的是概念圖，如果具象到實際操作中，是這樣一個框架流程：
這裡先留三個懸念：
懸念一：從使用者行為日誌開始到標籤產出，為什麼有兩條線？
懸念二：標籤體系為什麼只作用在內容標註上？
懸念三：為什麼下面的「評估」過程要特別標註出來？
1、從使用者行為日誌開始到標籤產出，為什麼有兩條線？我們把畫像分為兩大類：第一類：統計型畫像；第二類：預測性畫像。
第一類，統計型畫像是客觀存在，這種都是興趣偏好。比如，使用者每天都在看汽車新聞、搜尋汽車相關的內容，基於這種行為，我們判斷這個使用者對汽車感興趣。這些行為是客觀發生的，因此無所謂正確率，也不需要訓練樣本集。
第二類，預測性畫像。需要透過使用者行為做預測，像使用者的性別預測，尤其是挖掘人的內心態度。比如，使用者在消費時，是激進的，還是保守的？有預測就有準確率。所以這裡面有很重要的評估指標，就是正確率，也需要取樣本集。這就是二者的不同，也會有不同的加工流程。
常用的一些標籤體系
再繼續介紹標籤體系，因為很多同學會問到，「我應該建一個什麼樣的標籤體系？什麼樣的標籤體系是比較好的？」通常我們會把它分為四大類：
第一類：人口屬性。比如說性別、年齡、常駐地、籍貫，甚至是身高、血型，這些東西叫做人口屬性。
第二類：社會屬性。因為我們每個人在社會里都不是一個單獨的個體，一定有關聯關係的，如婚戀狀態、受教育程度、資產情況、收入情況、職業，我們把這些叫做社會屬性。
第三類，興趣偏好。攝影、運動、吃貨、愛美、服飾、旅遊、教育等，這部分是最常見的，也是最龐大的，難以一一列舉完。
第四類，意識認知。消費心理、消費動機、價值觀、生活態度、個性等，是內在的和最難獲取的。舉個例子，消費心理/動機。使用者購物是為了炫耀，還是追求品質，還是為了安全感，這些都是不一樣的。
如何判斷標籤體系的好壞？
在實際構建標籤體系時，大家經常會遇到很多困惑，我列舉 5 個常見問題。
第一、怎樣的標籤體系才是正確的？其實每種體系各有千秋，要結合實際應用去評估。
第二、標籤體系需要很豐富麼？標籤是列舉不完的，可以橫線延展、向下細分。也可以交叉分析，多維分析。如果沒有自動化的方式去挖掘，是很難做分析的，太多的標籤反而會帶來使用上的障礙。
第三、標籤體系需要保持穩定麼？不是完全必要，標籤體系就是產品/應用的一部分，要適應產品的發展，與時俱進。比如，以前沒有共享經濟這個詞，今天卻很熱。我們是不是要增加一個標籤，分析哪些人對共享經濟的參與度高？喜歡共享單車、共享汽車。
但是，有一種情況下，標籤要保持穩定。如果你生產的標籤有下游模型訓練的依賴，即我們模型建完後，它的輸入是要保持穩定的，不能今天是 ABC，明天是 BCD。在這種情況下，是不能輕易對標籤體系做更改的。
第四個，樹狀結構 or 網狀結構？樹狀結構和網狀結構從名字上就可以看出其分別。網狀結構，更符合現實，但是層次關係很複雜，對資料的管理和儲存都有更高要求。知乎，如果仔細去看它的話題設定，其實是網狀的。
網狀的特點就是一個子話題，父級可以不止一個，可能有兩個。比如兒童玩具，既可以是母嬰下分分類，也可以是玩具下的分類，它就會存在兩個父節點之下。樹狀結構相對簡單，也是我們最常用的。網狀結構在一些特定場景下，我們也會去用。但是實現和維護的成本都比較高。比如，有一個節點是第四級的，但它的兩個父節點一個是二級，一個是三級，結構異化帶來處理上的麻煩。
第五個，何為一個好的標籤體系？應用為王，不忘初心。標籤是為了用的，並不是為了好玩，最好保證標籤體系的靈活和細緻性。
統計型標籤的生產流程
再回到剛才說的生產流程上。我先結合下面的圖介紹上半邊，統計型的標籤是怎麼去加工的。
首先我們要有行為資料，例如使用者每天看 100 篇文章，有 40 篇是體育的，有 30 篇是汽車的，有 20 篇是旅遊的，還有 10 篇其他的。我推測，你比較喜歡體育、汽車、旅遊。
對於這樣的標籤，大概需要什麼流程去做呢？環節一很重要，內容標註。只有知道使用者看的內容是什麼，才能統計偏好。環節二，如何基於使用者行為做聚合統計和歸一化。
一個經典的標註例子：網頁標註
在做內容標註時，一般會有兩種情況：第一種：有些公司在建自有使用者畫像時會很幸運，例如電商、影片類、音樂類的媒體，它給使用者服務的這些內容是已經分類好的。可以直接用內容的標註來做使用者行為標註。
但是，對於一些通用型的內容，比如[友盟+]的資料，會有 PC 瀏覽資料、APP 的使用資料，一定要先了解使用者喜歡看什麼，才能去做下一步的工作。在這裡面，最複雜，也最典型的就是網頁的內容標註。
標籤的最終生成：行為統計
根據使用者的行為，統計標籤數值，歸一化。比如，我們判斷使用者是喜歡運動、還是服飾，會將他看來多少相關網頁、使用了多少 APP 進行累加，在除以一個總累積，得到一個標籤得分。
這裡面有幾個點需要關注：
第一、統計量的選取。可能是瀏覽數量、瀏覽時長、瀏覽頻度、複合關係等。舉個複合關係的例子，對於某個商品類目的偏好，你可以將瀏覽、搜尋、收藏，購買等行為統計量加權在一起考慮。
第二、個體內的可比性。個體使用者的不同標籤間具有可比性。舉個例子，我有兩個標籤：閱讀、旅遊。我的閱讀標籤是 0.8 分，旅遊是 0.6 分，代表我更傾向於去閱讀，而不是去旅遊？如何保證這一點呢？在上面公式裡將個體的行為總和作為分母就可以了。
第三、垂類內的可比性。一個垂類內不同使用者的相同標籤具有可比性。
例如，我的動漫得分是 0.8，你的是 0.6，表示我比你要更喜歡動漫。那麼分母就是選取整個動漫類行為的總和。比如說，今天全國使用者在 B 站上一共 100 萬小時，你有 1 個小時，你是百萬分之一，他花了 2 個小時，大約是百萬分之二，最後再做一個歸一化，就會產生一個類內可比的得分。
我們剛剛說的是絕對化的值，還有一個簡單的做法就是做排序，基於使用者的使用時間做排序，這樣也可以。
但是排序和歸一化到底有什麼不同？排序只代表相對性，而剛才說歸一化代表了強弱， 我的得分是 0.8 和你是 0.6，就表示偏好強度上我比你高了 30%，而排序則不能反映這樣的比例。
11、統計型標籤生產要點回顧
1、行為資料。瀏覽、使用、點選、購買、LBS 等，透過行為資料反映人的偏好傾向；
2、標籤體系。根據實際需要進行設定。可以參考《消費者行為學》、電商類目體系、應用市場體系、媒體資訊體系等；
3、內容標註。把行為相關的內容抽出來做分析，把標籤體系先打到它們身上，再累積到「人」身上；
4、得分歸一化。明確歸一化的目標，選擇所需的歸一化方法。舉個例子，推薦適合用個體內可比較的得分，不管 A 看會某個內容用了多少時間，A 所看到最多的內容就優先推薦給 A，不用和其他人比較；
但在投放廣告上，就要考慮使用者在這個商品上的傾向度有多高，需要使用者間可比較的得分。
預測型標籤的生產流程
預測性標籤的生產流程：特徵抽取→監督學習、樣本資料→評估→標籤產出，這也是經典的機器學習流程。
特徵工程
特徵工程，是機器學習的關鍵過程之一。最重要的是提取不同側面的特徵。我們以移動端使用行為可抽取的部分特徵為例：
1、APP 使用事實特徵：使用者 30 天內開啟 APP 的天數、使用者 180 天內開啟 APP 的天數。這兩個資料都會作為特徵，考慮使用者短期和長期的情況。
使用者 30 天內使用 APP 時長佔比、使用者 180 天內使用 APP 時長佔比。剛才說的是次數，這塊是時長，使用者可能反覆開啟，但是總時長很短。
2、興趣特徵：雖然資訊有損失，但是泛化效果更好。舉個例子，你是 A 站使用者，他是 B 站使用者，理論上講，如果我們用最底層的資料，你們兩個人是不太一樣的，但某種程度上，他們都是對二次元感興趣的人；
近期使用者興趣標籤歸一化值、長期使用者興趣標籤歸一化值。使用者長短期基於興趣標籤下使用不同 APP 的熵值、歷史某類 APP 時間消耗佔比變動比例。其實反映了我們要看這個分佈，以及分佈的趨勢性，你過去關注度高，現在關注度減弱，和你過去關注度不高，現在關注度高，其實這兩個是完全對應不同的人，這也是我們參考的特徵。
3、裝置與環境特徵：近期使用的裝置品牌、近期使用的裝置型號；工作日時間段內 Wi-Fi 使用時間分佈、休息日時間段內 Wi-Fi 使用時間分佈（工作日與假日的區分）。
模型訓練與結果評估
1、模型選擇。有有監督的分類演算法：邏輯迴歸、SVM、決策樹、Bagging、深度學習；
2、二分類 or 多分類。二分類比較簡單，多分類則有不同的拆分策略。舉個例子，把人分為男女，是二分類的問題；分為年齡段，就是多分類的問題，我們在機器學習當中也有不同的做法，OvO（一對一）、OvR（一對其他）、MvM（多對多）。
3、結果評估。評估指標包括：正確率、召回率、應用效果。但是對於統計型標籤來說無正確率，召回率看閾值，今天你只看一個汽車的型號，理論上我也可以給你打一個標籤，但是分值非常低，這個分值到底要不要算做這個標籤的人，要看中選什麼樣強度的人。預測型標籤，一般看 Precision，Recall，F-Score，ROC。
4、Ranking 任務。一類特殊的定製化標籤。針對特定場景，如對電話營銷需要按照可能性排序打電話。套用上述模型，可以用最終得分來做 Ranking。
15、關於標籤評估的延展
標籤的生產不是目的，使用才是。正確率≠效果，舉個例子：喜歡看車不代表是試駕購車的目前人群。
第一，使用者分層的評估。針對於重點人群進行評估，不同人群分層進行評估；第二，從全域性進行評估。不要只侷限於樣本集合的評估，參看一些全域性統計資料。例如，人口屬性的分佈和統計局的結果是否相符？第三，有效果反饋的應用。將標籤直接應用於使用場景中檢驗效果。例如，進行營銷的定向投放，測試點選率；第四，利用其它資料佐證。使用其他行為資料來驗證標籤的有效性。例如，在電商環境中後續的行為差異來評估顯著性。
一個快速建模框架
我們今天不再強調標籤豐富度，而是快速建模的能力。快速建模怎麼做到？這套系統在[友盟+]比較完備，使得我們收到一個樣本就可以很快訓練模型，這個流程最快 3 個小時就能夠把標籤算出來。
使用者畫像的應用
Data -> Insight -> Action->Data->…
第一步，先有資料，就像標籤生產出來，要有資料的過程；第二步，分析，洞察。洞察並不是最終目的，因為洞察只是得到一個結論或者方向；第三步，開始應用；應用後又帶來新的資料，從而形成資料的閉環。舉個例子，廣告怎樣的群體點選了，資料被反饋回來，下一個迴圈可以進行調整，不斷地迭代，最佳化整個效果。
DIP營銷服務流程
關於上述流程的實際使用，結合[友盟+]DIP 資料智慧平臺講一下營銷服務流程是如何做的。
左上面是我們一些資料，例如：客戶上傳資料後，我們會有一個匹配的過程，把所有資料打通連線。上傳、匹配之後，會對這些資料做人群分析。比如說寶馬 X1 今年剛上市，他們把去年購買 X1 的使用者都上傳上來，我們會分析這樣的使用者在哪些方面是有特性的，比如年齡段、地域分佈、收入、偏好。有了這樣的分析後，我們可以選擇相應的人群，基於歷史的偏好、特徵，然後再去投放；如果中間我們會發現人群量不夠，最初選擇 10 萬人可以放大到 100 萬人。最後輸出到媒體、RTB 等渠道商。做預算，看效果，將效果資料迴流，再去迭代，以進一步提高投放的精準率。這是我們常用的一個流程。
在舉個實際的例子，如果要做一個新產品的傳播推廣，這時需要做定向投放。我們先要對潛在使用者要進行分析，例如對於科技產品非常感興趣的人，我們發現他每天 8、9 點特別活躍，透過進一步分析，他會和哪些媒體做觸達，或者他看不看電視會不會留意到地鐵裡面的廣告，這也是一個觸達渠道，以及看什麼樣型別的，看資訊、社交、八卦，這個不太一樣。要找到受眾，應該到哪找？比如說去這種有態度的網易新聞，還是個性化的今日頭條，或者說騰訊新聞，這都需要進行分析。
基於上面的分析之後，再做結合分析。舉個例子，你對科技感興趣，那你的手機是不是到了更新期，你手機大概用了三年，應該到了更新期，就可以對這樣的特定人進行投放。把人圈出來，投放、曝光，曝光之後我們去看營銷的結果，然後返回來繼續分析，會不會對其他內容感興趣，再去做下一輪分析。
這就是我們之前做的一系列方法的一個應用。
最後關於資料應用我再給出一些通用型的建議：
第一、分析：
1、結合業務場景去選擇分析維度：如果你是給中年婦女推薦保健品，你去分析她們喜歡不喜歡二次元，這就非常說不通了。
2、不要只是簡單的看畫像分佈，一定要做對比。
3、例如，與大盤對比情況：TGI。上圖是我們分析一個 APP 內的購買人群。紫色的線是人群的分佈，年齡段的分佈。我們看到 18-30 歲之間的人很多，感覺還不錯。但是，如果你做一下大盤情況，APP 的使用者大多是年輕人，因為本身這個產品有一個年齡偏小的分佈特徵。透過分析對比之後發現，TGI 比較高是 30-39 歲的人，這個範圍的人才是在購買人群裡面是顯著的，這個群人才是你去做運營活動、投放的人群。
分析，一定要去做對比，單純看分佈是並沒有太多資訊含量。不對比看不出來差異。
4、環節的對比。哪些人我觸達了，哪些人到這裡落地了，哪些人註冊了、哪些人真正瀏覽、哪些是留存、哪些是付費，每一個環節你都可以做這樣的分析。
第二、精準投放（Action）。這是我們今天做標籤非常大的一類應用。這時候大家可能會發現，我們做品牌廣告、效果廣告是不同的，舉個例子，品牌廣告我們就會關心 TA 濃度，關注我投放廣告的人性別怎麼樣、年齡分佈怎麼樣。效果廣告是不一樣的，效果廣告通常很直接，你這個人是不是點了，最終 CTR 高不高，最終購買 ROI 高不高，這種一定是你最直接的興趣是什麼，你什麼性別不重要，我就想知道你要不要。
另外一點，直覺未必靠譜，一定要透過反饋來檢測，就是剛才說我們為什麼要資料閉環，比如說，有一個商品設計者說，我這個產品目標是吸引白領女性，實際上他上市場去賣的時候發現，買他的男性大學生最多，跟他想的根本不一樣。
如果你一直持續的給白領女性做廣告投放，實際上效果可能不是最優的，反而你做校園活動會達到更好的效果。
甚至說，你可以基於你的使用者場景做專屬標籤，以及你可以透過人群放大來做處理。舉個例子說，我今天有新的車型上市，一個方法是，先選取對汽車感興趣的人，或者 SUV 感興趣的人，就可以去做投放，這個效果就可能不是最優的，更優的情況是針對你這個 case，去針對性的做訓練，針對性的選取跟你相關的人，通常效果上比通用的標籤選取更好，這時候我建議如果你特別強調你的效果，就去試試訓練專屬的標籤。
更多詳細講解，請見知乎 Live
以上就是本次公開課的關鍵內容，更多演示請點選「極客公開課•Live」第十四期檢視獲取
(2017-09-22)
如同我上一篇文章《給使用者畫了像，又如何》所講的一樣，使用者畫像已經人盡皆知了，在貌似滿足使用者需求的思想指引下，給使用者進行了深入的畫像並加深對使用者的理解，但之後又該如何匹配合適的商品最終做到“人貨合一”呢？
很多零售商並沒有深究，往往覺得貨就是貨，賣出去就行，這其實還是自己的本位思想在作祟，沒有做到把最合適的商品呈現給最合適的使用者，造成的現象則是：爆款總是斷貨，不好賣的貨總是呆滯，客戶看到店鋪裡堆了大量自己並不喜歡的產品時，體驗可想而知。
如何解決上述問題，就需要對自己的商品有深刻的理解，而“商品畫像”則是解決這個問題的必由之路。
商品畫像如同使用者畫像一樣，可以簡單理解成是商品海量資料的標籤，根據商品的特徵、設計、功能、口味、波次、價位段、流行度、銷售狀況、促銷力度、銷售渠道差異，將他們區分為不同的型別，然後每種型別中抽取出典型特徵，賦予名字、特點、場景、統計學要素等描述。
而商品畫像的意義則在於可以對商品進行精準的定位，讓不同的商品迅速匹配到處在不同地域、時間、偏好、階層中的消費者，進而去更加最佳化使用者的體驗，同時商品畫像給商品所貼上的各種“標籤”可以驅動後端供應鏈的各種的行為，如預測、補貨、促銷、庫存、採購、生產、物流等等，都是要和這些標籤相匹配，標籤不同，模型不同，流程不同，管理的模式也有所不同，而且一切都是動態的。
讓眾多零售商對“商品畫像”重視程度不足的原因，主要是商品的管理往往扮演的是“幕後英雄”的角色，商品自身沒有消費者自身“上帝”的地位，也沒有場景那麼炫目多彩，商品管理人員甚至有時不會和消費者直接發生接觸，因而常備零售商所忽視，忘了“商品”才是消費者體驗成敗的關鍵所在。
如同自己找到了一個目標，手中用於擊中這個目標的手段（貨）很多，但具體哪種“工具”能夠最經濟、效率最高擊中目標並不非常清楚，好不容易瞭解了手中的“工具”，而“工具”（暢銷款）又缺貨了。
有人說商品畫像挺簡單的，從銷售歷史的Top10和Bottom10的商品清單，就可以看出好賣還是不好賣，好賣多進貨，不好賣少進貨不就行了嗎。
但真的那麼簡單麼？
銷售排行榜上排名第一的商品由於半價促銷帶來大量銷量，或者由於鋪貨相對更廣，就能說一定比第二名、第三名等沒有促銷政策或鋪貨較窄的貨好賣嗎？
以時尚類行業為例，該類商品的一個典型特徵是銷售週期基本上都是在3個月左右，在對商品進行畫像的時候，主要從商品的自然屬性和銷售狀況出發，要考慮商品的顏色、面料、尺碼、價位段、品類、品類結構比、波段規劃、季節性特徵、銷售渠道、銷售區域、門店鋪貨情況、競爭對手錶現、市場容量/佔比、產品生命週期趨勢、供應商支援情況、整體銷售趨勢以及天氣情況，並且依據分類演算法模型給不同的商品貼上不同的標籤，來綜合判定不同的商品會適合於什麼型別的消費者，以及商品的暢平滯的情況和原因，並且以上維度是要交叉分析的。
例如渠道和產品維度、渠道和時間維度、產品和時間維度等進行交叉分析，鑑於這些商品上市的複雜度，就需要藉助機器學習的演算法來進行分類。
在不同的銷售渠道里銷售的價格未必一樣，面向的消費群體未必一樣，每家店面鋪貨的情況未必一樣，南北方的氣溫不同導致上市的時間會有所不同，而商品品類的結構在不同的區域也會不同，同時供應商的產能制約更是一個不可忽略的因素，如果競爭對手在忙上添亂，更是會讓局勢錯綜複雜，而整體行業資料的分析更是必不可少，所以這時就需要複雜的商品畫像，讓商品的自然屬性和銷售狀態畫像更加清晰的呈現在商品決策者面前。
而零售便利店業態雖然和時尚品零售行業不完全一樣，但也需要清晰的商品畫像，重點考慮的因素包括商品的口味、特徵、功能、天氣、價格、當時活動、門店位置、競爭對手等因素。例如晴天將會導致中午氣溫上升，口味清爽、蛋白質高的便當會好賣，或者陰天將導致氣溫下降，那麼消費者更加偏向口味濃郁、熱量足、分量大的便當，所以零售商對便當的口味、分量、價位段、適用人群等要有清楚的認識，同時把便當和天氣的外在因素結合在一起，形成一個完整的商品自然屬性畫像，這樣對於目標消費群體更有針對性的銷售和備貨。
一旦一個商品被貼上“好賣”的標籤，那麼對於預測要求開始提升，精度一定要高，而庫存則要備足，後端的生產、原材料採購也要保證不出事，確保不斷貨；一旦被貼上“不好賣”的標籤，那就趕快清庫存找後路，防止庫存積壓。
使用者畫像是產品的根基，但是“商品畫像”是產品的外延生命力的象徵。
好的產品必須是易於在人群中推廣的，一句話能講清楚，如何讓商品和消費者進行迅速匹配，同時透過商品畫像來迅速啟動需求鏈管理流程：預測、促銷、補貨、採購、生產、物流、配送等等，讓好賣的商品不斷貨，利潤最大化，讓不好賣的商品趕緊清倉騰位置，不要形成呆滯庫存，這樣整個鏈條從消費者到零售商再到供應商就徹底地由商品給滿意、高效、健康串聯了起來。
[新零售行業峰會來襲！]2016年馬雲在雲棲大會上首提“新零售”，自此“新零售”已成為當下電商界最熱詞，各電商大佬反覆提到“線上線下融合”。如今，無人便利店、無人貨架等模式也上升至新的風口，入局者蜂擁而至……
從舊到新，從傳統到智慧，零售經歷著種種變化。對於企業來說，如何做到真正的落地執行？怎樣借力實現銷量和渠道的裂變？現場演講嘉賓將在峰會上碰撞出精彩的火花，這將是一場新零售思想的盛宴。
版權宣告
(2017-09-22)
本文來源於新聞閣：轉載請保留連結，不保留本文連結視為侵權，謝謝合作！